Tag: 机器学习 - Justin的博客

文章字数 2.3k 阅读约需 2 mins. 阅读次数 1000000

探索与利用

强化学习与监督学习的不同：

没有训练数据告诉机器应当做哪个动作，需通过尝试得出各个动作产生的结果，从而得到最终奖赏。

最大化单步奖赏：
- 需要知道每个动作带来的奖赏
- 执行奖赏最大的动作
算法背景：

一般情况下，每个单步动作的奖赏值来自于一个概率分布，仅通过一次尝试不能确切地获得平均奖赏值。因此，单步强化学习任务对应了一个理论模型——K-摇臂赌博机。K-摇臂赌博机有K个摇臂，赌徒在投入一个硬币后可选择按下其中一个摇臂，每个摇臂以一定的概率吐出硬币，但这个概率赌徒并不知道。赌徒的目...

查看全文

「 PYTHON 」十月 28, 2019

文章字数 15k 阅读约需 14 mins. 阅读次数 1000000

首先导入需要的第三方库

1
2
3

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

然后创建数据集

dataSet = [[91, 85, 52, 2], [40, 55, 13, 1], [41, 36, 93, 4], [52, 10, 63, 4], [1, [52, 74, 40, 2], [70, 7, 1, 1], 
	 [94, 97, 82, ...

查看全文